Spring til indhold
AiNews.dkDanske nyheder om Kunstig Intelligens
← Til ranglisten
ModelradarenHentet 1. oktober 2026 kl. 18.30
AnthropicLukket model

Claude Sonnet-5

Nr. 27 på modelradaren.

Model og dokumentation ↗

Hvad bygger scoren på?

Råtal, relativ placering og dokumentation.

AA Long Context Reasoning v1.1

Indgår i scoren · 131 sammenligningsmodeller · Max

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

82,0målt · skala 0–100Percentil 82,7

BrowseComp

Indgår i scoren · 39 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · LLM Stats BrowseComp · kildens dato 2026-09-30

Se det oprindelige resultat ↗

84,7målt · skala 0–100Percentil 81,6

BullshitBench v2

Indgår i scoren · 79 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · BullshitBench v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

78,0målt · skala 0–100Percentil 94,2

CritPt

Indgår i scoren · 136 sammenligningsmodeller · Max

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

16,9målt · skala 0–100Percentil 78,1

FrontierMath Tier 1-3

Indgår i scoren · 74 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Epoch AI FrontierMath Tiers 1-3 v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

65,6målt · skala 0–100Percentil 67,8

FrontierMath Tier 4

Indgår i scoren · 62 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Epoch AI FrontierMath Tier 4 v2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

29,3målt · skala 0–100Percentil 62,3

GPQA Diamond

Indgår i scoren · 156 sammenligningsmodeller · Max

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

91,1målt · skala 0–100Percentil 76,8

Humanity's Last Exam

Indgår i scoren · 146 sammenligningsmodeller · Max

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

41,3målt · skala 0–100Percentil 77,9

IOI V2

Indgår i scoren · 35 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Vals.ai IOI V2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

45,0målt · skala 0–100Percentil 29,4

LiveCodeBench

Indgår i scoren · 61 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Vals.ai LiveCodeBench · kildens dato 2026-08-04

Se det oprindelige resultat ↗

82,4målt · skala 0–100Percentil 55,0

MMMU-Pro

Indgår i scoren · 83 sammenligningsmodeller · Max

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

77,3målt · skala 0–100Percentil 57,9

OSWorld-Verified

Indgår i scoren · 22 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · LLM Stats OSWorld-Verified · kildens dato 2026-09-30

Se det oprindelige resultat ↗

81,2målt · skala 0–100Percentil 76,2

ProgramBench

Indgår i scoren · 51 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Vals.ai ProgramBench · kildens dato 2026-09-30

Se det oprindelige resultat ↗

13,5målt · skala 0–100Percentil 69,0

ProofBench 1.1

Indgår i scoren · 39 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · ProofBench 1.1 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

77,0målt · skala 0–100Percentil 73,7

SciCode

Indgår i scoren · 144 sammenligningsmodeller · Max / High

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

54,3målt · skala 0–100Percentil 79,7

SimpleQA Verified

Indgår i scoren · 71 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Epoch AI SimpleQA Verified · kildens dato 2026-09-30

Se det oprindelige resultat ↗

33,7målt · skala 0–100Percentil 25,7

SWE-rebench

Indgår i scoren · 25 sammenligningsmodeller

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · SWE-rebench · kildens dato 2026-09-30

Se det oprindelige resultat ↗

56,8målt · skala 0–100Percentil 75,0

Terminal-Bench 4.0

Indgår i scoren · 84 sammenligningsmodeller · Max

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.

Via AI IQ · Artificial Analysis Intelligence Index v4.3.2 · version 4.3.2 · kildens dato 2026-09-30

Se det oprindelige resultat ↗

14,1målt · skala 0–100Percentil 70,5

Model og testopsætning

Reasoning-niveauer tæller ikke som forskellige modeller.

Vores nyheder

Fra AiNews.dk’s arkiv om Claude Sonnet-5.

  1. 01
  2. 02
  3. 03
  4. 04
  5. 05
Hvad betyder scoren?

Scoren er gennemsnittet af modellens percentilplaceringer i dokumenterede benchmarks: 100 er øverst, 50 er midten. Resultater sammenlignes inden for samme benchmark, før gennemsnittet beregnes. Mindst seks benchmarks med mindst fem sammenligningsmodeller kræves for rangering. Selvindberettede modelkort indgår som dokumentation, men ikke i rangeringen. Manglende tal estimeres ikke. Forskellig dækning og testopsætning giver fortsat usikkerhed.

Scoren er en relativ placering, ikke procent rigtige svar. 90 betyder en høj gennemsnitlig placering blandt de målte modeller. Benchmarkdækning, reasoning-niveau og brug af værktøjer kan variere. De faktiske resultater og opsætninger står på profilen.

Vi fylder aldrig manglende målinger ud for at nå 100 modeller.